機器學習與奈米粒子追蹤分析的應用
為何要信任人類？
人類天生易犯錯誤。即使我們認為頭腦聰明的人也可能會錯誤地計算單位，導致損失超過4.5億美元的太空探測器（火星氣候軌道器事件）。
在藥物開發中，風險可能同樣高昂。人為錯誤可能導致數百萬的開發成本，或更重要的是產生不利的健康影響。因此，為什麼要讓易犯錯的人的進行數據處理？機器學習在這裡發光發熱！通過統計方法和反复地接觸相關數據，算法被訓練以在短時間內識別模式並做出預測，而不會有大的錯誤範圍。
讓無形變成有形
我們經常沒有意識到人類和他們的健康依賴於我們肉眼看不見的小粒子（圖1）。調節我們身體功能的生物粒子，同時也可能引發疾病。藥物和涉及先進材料的多個行業也受到奈米世界的影響。藥物相互作用發生在細胞尺度，但也可能產生深遠（有時是不利的）影響。其他涉及奈米泡生成的行業需要建立和控制的協議。
圖1：NanoSight NTA粒子可視化。 NanoSight NTA 收集白點布朗運動下奈米尺度粒子光散射的影像。
如何更好地理解這些微小的粒子？
圖2：NS Xplorer軟件追蹤奈米粒子的示例。 奈米粒子運動是單個追蹤的。
可以想像，準確和精確的粒子追蹤需要首先「抓住」所有粒子。NTA用戶可能經常問自己，“這是一個粒子嗎？”，“哪個設定是最好的？”並且需要調整檢測閾值參數，或者乾脆忘記這麼做。如果這些參數可以精確自動化呢？Enter 機器學習與NS Xplorer新軟件結合。
機器學習增強了新的NS Xplorer軟件
Malvern Panalytical於2023年推出了NanoSight Pro。奈米粒子追蹤分析從未如此快速、簡單和準確！
現在機器學習可以準確標記跳動點的中心，作為NTA追蹤算法的一部分。這包括抓住非常微弱的粒子，提供對樣本更準確的分析，同時您還可以繼續運行更多的工作流程！這進一步消除了確認偏差並減少了人為錯誤。
用於NanoSight Pro的粒子檢測神經網絡模型（NN）在幾週內經過數千張具有不同複雜程度的NTA圖片訓練。發展過程中，數據通過人類同行手動評估並確認其精度和準確性（圖3）。
圖3：NanoSight粒子檢測神經網絡結構。由神經網絡輸出的數據被驗證以確定模型是否正確識別粒子。
模型的驗證是通過與典型和專業NTA用戶的基準測試進行的。圖4中的數據清楚顯示機器學習（神經網絡模型，NN）精確識別了粒子，以便追蹤算法進一步使用。NN消除了主觀性並提供了比最經驗豐富的用戶更可重複和準確的數據！
圖4：通過機器學習及NTA標準和專家用戶比較粒子識別。 神經網絡模型檢測粒子的能力不僅超越了典型用戶，甚至比最有經驗的用戶更優（NN vs 完美用戶 vs 典型用戶）。
現在，多虧了機器學習，不僅您節省了設定參數的時間，甚至都不會注意到數據正在處理……Eureka！NTA處理現已自動化，加快了分析速度，讓用戶有更多時間分析額外樣本，設置更多協議，或僅僅享受一次愉快的咖啡休息！
應用
新的NanoSight Pro可以幫助您測量包括以下在內的粒子類型：
現在，放鬆一下，讓NanoSight NS Xplorer表徵你的粒子系統並準確報告它們的大小和濃度！
想了解更多？觀看我們的提供點播網絡研討會：
進一步資源
這篇文章可能已自動翻譯
{{ product.product_name }}
{{ product.product_strapline }}
{{ product.product_lede }}
